R语言怎么实现桑基图

发布时间：2022-03-28 13:40:17 作者：iii
来源：亿速云阅读：1998

# R语言怎么实现桑基图

## 什么是桑基图

桑基图（Sankey Diagram）是一种流图，用于描述系统中能量、物质或成本的流动情况。它以宽度表示流量的大小，通过节点和连接线展示不同类别之间的转移关系。桑基图最初由爱尔兰工程师Matthew Henry Phineas Riall Sankey于1898年提出，用于展示蒸汽机的能量效率。

### 桑基图的典型应用场景
1. **能源流动分析**：如电力系统中能源的转换和消耗
2. **资金流动追踪**：企业预算分配或资金流向
3. **人口迁移研究**：展示人口在不同地区间的流动
4. **网站用户行为分析**：用户在不同页面间的跳转路径
5. **供应链管理**：物料在生产环节中的流转

## R语言实现桑基图的三种主要方法

### 方法一：使用networkD3包

`networkD3`是最常用的桑基图绘制包之一，它基于D3.js库，可以创建交互式可视化。

#### 安装与加载
```r
install.packages("networkD3")
library(networkD3)

基本数据准备

桑基图需要两种数据： 1. 节点数据：包含所有唯一类别 2. 连接数据：描述节点间的流动关系

# 创建节点数据框
nodes <- data.frame(
  name = c("能源生产", "煤炭", "石油", "天然气", 
          "工业", "居民", "商业", "运输")
)

# 创建连接数据框
links <- data.frame(
  source = c(0, 0, 0, 1, 1, 2, 2, 3, 3, 3),
  target = c(1, 2, 3, 4, 5, 4, 6, 5, 6, 7),
  value = c(100, 80, 60, 70, 30, 50, 30, 20, 30, 10)
)

# 注意：networkD3中节点索引从0开始

绘制基础桑基图

sankeyNetwork(
  Links = links, 
  Nodes = nodes,
  Source = "source",
  Target = "target",
  Value = "value",
  NodeID = "name",
  fontSize = 12,
  nodeWidth = 30
)

进阶定制

sankeyNetwork(
  Links = links, 
  Nodes = nodes,
  Source = "source",
  Target = "target",
  Value = "value",
  NodeID = "name",
  fontSize = 14,
  nodeWidth = 30,
  nodePadding = 20,
  colourScale = JS('d3.scaleOrdinal().domain(["能源生产"]).range(["#FF0000"])'),
  sinksRight = FALSE  # 控制最后一个节点是否在右侧
)

方法二：使用ggalluvial包

ggalluvial基于ggplot2语法，适合熟悉ggplot生态的用户。

安装与加载

install.packages("ggalluvial")
library(ggalluvial)
library(ggplot2)

数据准备

energy <- data.frame(
  source = rep(c("煤炭", "石油", "天然气"), each = 3),
  target = rep(c("工业", "居民", "商业"), 3),
  value = c(70, 30, 0, 50, 10, 20, 20, 30, 10)
)

绘制桑基图

ggplot(energy, 
       aes(y = value, axis1 = source, axis2 = target)) +
  geom_alluvium(aes(fill = source), width = 1/12) +
  geom_stratum(width = 1/12, fill = "grey80", color = "grey30") +
  geom_label(stat = "stratum", aes(label = after_stat(stratum))) +
  scale_x_discrete(limits = c("来源", "去向"), expand = c(0.05, 0.05)) +
  scale_fill_brewer(type = "qual", palette = "Set1") +
  theme_minimal() +
  labs(title = "能源分配桑基图", y = "能量值(TJ)")

多层级桑基图

# 添加时间维度
energy_multi <- data.frame(
  year = rep(2010:2012, each = 9),
  source = rep(rep(c("煤炭", "石油", "天然气"), each = 3), 3),
  target = rep(c("工业", "居民", "商业"), 9),
  value = round(runif(27, 10, 50))
  
ggplot(energy_multi,
       aes(y = value, axis1 = source, axis2 = target)) +
  geom_alluvium(aes(fill = source)) +
  geom_stratum() +
  geom_text(stat = "stratum", aes(label = after_stat(stratum))) +
  facet_wrap(~year, ncol = 1) +
  theme_bw()

方法三：使用plotly包

plotly可以创建交互式桑基图，并支持丰富的交互功能。

安装与加载

install.packages("plotly")
library(plotly)

数据准备

nodes <- data.frame(
  label = c("生产", "煤炭", "石油", "工业", "居民", "商业"),
  color = c("#1f77b4", "#ff7f0e", "#2ca02c", "#d62728", "#9467bd", "#8c564b")
)

links <- data.frame(
  source = c(0, 0, 1, 1, 2, 2),
  target = c(1, 2, 3, 4, 3, 5),
  value = c(100, 80, 70, 30, 50, 30)
)

绘制交互式桑基图

fig <- plot_ly(
  type = "sankey",
  orientation = "h",
  node = list(
    label = nodes$label,
    color = nodes$color,
    pad = 15,
    thickness = 20,
    line = list(color = "black", width = 0.5)
  ),
  link = list(
    source = links$source,
    target = links$target,
    value = links$value
  )
)

fig <- fig %>% layout(
  title = "能源流动桑基图",
  font = list(size = 12)
)

fig

数据处理技巧

从原始数据构建桑基图

实际数据通常需要转换才能用于桑基图。以下是一个典型的数据处理流程：

library(dplyr)
library(tidyr)

# 原始数据示例
raw_data <- data.frame(
  year = rep(2020:2022, each = 100),
  source = sample(c("A", "B", "C"), 300, replace = TRUE),
  target = sample(c("X", "Y", "Z"), 300, replace = TRUE),
  amount = runif(300, 1, 10)
)

# 数据处理步骤
sankey_data <- raw_data %>%
  group_by(source, target) %>%
  summarise(value = sum(amount), .groups = "drop") %>%
  filter(value > 15)  # 过滤小流量

# 构建节点列表
nodes <- data.frame(
  name = unique(c(sankey_data$source, sankey_data$target))
)

# 转换连接关系
links <- sankey_data %>%
  mutate(
    source = match(source, nodes$name) - 1,
    target = match(target, nodes$name) - 1
  )

处理循环流动

当数据中存在循环流动时（如A→B→C→A），需要特殊处理：

# 添加中间节点打破循环
nodes <- data.frame(name = c("A", "B", "C", "A'"))
links <- data.frame(
  source = c(0, 1, 2, 2),
  target = c(1, 2, 3, 0),
  value = c(10, 8, 5, 3)
)

高级定制技巧

颜色映射策略

按节点着色：

node_colors <- 'd3.scaleOrdinal()
  .domain(["煤炭", "石油", "工业", "居民"])
  .range(["#8dd3c7", "#ffffb3", "#bebada", "#fb8072"])'

按流量方向渐变：

link_colors <- 'd3.scaleLinear()
  .domain([0,1])
  .range(["#fde725", "#440154"])'

添加交互功能

# 在networkD3中添加JavaScript交互
sankeyNetwork(
  # 基本参数...
) %>% 
  htmlwidgets::onRender('
    function(el, x) {
      d3.selectAll(".node text").style("font-weight", "bold");
      d3.selectAll(".link").style("opacity", 0.7);
    }
  ')

导出和嵌入

# 保存为HTML
library(htmlwidgets)
saveWidget(sankeyNetwork(...), file = "sankey.html")

# 嵌入R Markdown
```{r}
sankeyNetwork(...)


## 常见问题解决方案

### 问题1：节点重叠或标签溢出
**解决方案**：
- 调整`fontSize`和`nodePadding`参数
- 使用`nodeWidth`增加节点宽度
- 旋转标签：`d3.selectAll(".node text").attr("transform", "rotate(-45)")`

### 问题2：流量显示不清晰
**解决方案**：
- 设置最小流量阈值过滤小流量
- 使用对数刻度：`value = log(original_value + 1)`
- 调整颜色对比度

### 问题3：大数据集性能问题
**优化策略**：
1. 聚合小流量类别为"其他"
2. 使用`data.table`处理大数据
3. 考虑使用WebGL版本的实现

```r
# 聚合小流量示例
major_flows <- links %>% 
  group_by(source) %>% 
  mutate(percent = value/sum(value)) %>% 
  filter(percent > 0.1)

实际案例：电商用户转化路径分析

数据准备

user_paths <- data.frame(
  session_id = rep(1:1000, each = 3),
  step = rep(c("首页", "产品页", "购物车"), 1000),
  next_step = rep(c("产品页", "购物车", "支付"), 1000),
  count = sample(1:10, 3000, replace = TRUE)
)

# 聚合路径数据
path_agg <- user_paths %>%
  group_by(step, next_step) %>%
  summarise(total = sum(count), .groups = "drop") %>%
  filter(total > quantile(total, 0.75))  # 只保留前25%的流量

可视化实现

nodes <- data.frame(name = unique(c(path_agg$step, path_agg$next_step)))
links <- path_agg %>%
  mutate(
    source = match(step, nodes$name) - 1,
    target = match(next_step, nodes$name) - 1,
    value = total
  )

sankeyNetwork(
  Links = links, Nodes = nodes,
  Source = "source", Target = "target",
  Value = "value", NodeID = "name",
  units = "访问量", fontSize = 14,
  nodeWidth = 20, nodePadding = 15
)

总结与资源推荐

各方法比较

特性	networkD3	ggalluvial	plotly
交互性	高	低	高
语法风格	专用函数	ggplot2	专用函数
定制灵活性	中	高	中
大数据支持	一般	较好	较好
学习曲线	平缓	中等	中等

学习资源推荐

官方文档：
- networkD3文档
- ggalluvial文档
在线示例：
- R Graph Gallery桑基图专题
- Plotly官方示例
相关论文：
- 《Visualizing Flow with Sankey Diagrams》
- 《Alluvial Diagrams in ggplot2》

通过本文介绍，您应该已经掌握了在R中创建桑基图的多种方法。根据您的具体需求选择合适的方法，并利用数据预处理和视觉优化技巧，可以创建出专业级的流动可视化图表。 “`

R语言怎么实现桑基图

基本数据准备

绘制基础桑基图

进阶定制

方法二：使用ggalluvial包

安装与加载

数据准备

绘制桑基图

多层级桑基图

方法三：使用plotly包

安装与加载

数据准备

绘制交互式桑基图

数据处理技巧

从原始数据构建桑基图

处理循环流动

高级定制技巧

颜色映射策略

添加交互功能

导出和嵌入

实际案例：电商用户转化路径分析

数据准备

可视化实现

总结与资源推荐

各方法比较

学习资源推荐

相关阅读